Captulo 1

Introduccin a la probabilidad
Hacemos solamente un repaso de las nociones y resultados ms importantes de la teora de la medida.
El lector que deseee revisar con ms detenimiento estas ideas, puede consultar la basta literatura que
existe al respecto, entre ellos [6],[4], [5] [2, Apndice].
1.1 Un poco de teora de la medida
1.1.1 lgebras y lgebras
Dado un conjunto , un lgebra de subconjuntos de es una familia / _ T () , la cual es cerrada
bajo uniones nitas y complementos, y adems /. Una o lgebra T de subconjuntos de es
un lgebra que adems es cerrada bajo uniones contables.
Ejemplo 1.1 Las familias T
0
= O, , T
1
= T () son o lgebras.
Ejemplo 1.2 La familia T = _ N : es nito de complemento nito es un lgebra, pero no
una o lgebra. Ntese que el conjunto formado por los nmeros pares es unin contable de elementos
de T, pero no est en T.
Ejemplo 1.3 La familia T = _ R : es contable de complemento contable es un una o l-
gebra. Conviene pensar qu diferenica hay entre este ejemplo y el anterior.
Ejemplo 1.4 La familia T formada por los conjuntos que son uniones nitas de intervalos, es un
lgebra, pero no una o lgebra. Se recomienda escribir la demostracin en detalle.
La interseccin arbitraria de o lgebras es una o lgebra. En particular, si / es una familia
cualquiera de subconjuntos de , la interseccin de todas las o lgebras que contienen a / es una
o lgebra, que denotamos o (/). A o (/) se le llama la o lgebra generada por /. Por denicin
est contenida en cada una de las o lgebras que contienen a /, es decir, es la menor de tales o
lgebras.
Ejemplo 1.5 Si / es la familia formada por todos los intervalos en R, entonces E = E
R
= o (/)
se llama la o lgebra de Borel en R, sus elementos se llaman borelianos. La misma o lgebra se
obtiene si / est formada por los intervalos abiertos, o por los intervalos cerrados, o por los conjuntos
abiertos, o por los intervalos de la forma ]a, /] . El lector puede convencerse de eso.
1
S. Cambronero 2
Ejemplo 1.6 La menor o lgebra que contiene todos los conjuntos abiertos (equivalentemente, todas
las bolas abiertas) en R
n
se llama la o lgebra de Borel en R
n
, y se denota por E
R
n.
1.1.2 Medidas nitamente aditivas y medidas de probabilidad
Denicin 1.1 Una medida nitamente aditiva j en un lgebra /, es una funcin j : / R
+
'
que cumple j(O) = 0 y es aditiva, es decir:
j(' 1) = j() +j(1)
siempre que y 1 sean eventos disjuntos de /. Si adems es oaditiva, entonces se llama una
medida.
La oaditividad signica que
j
_
o
_
n=1

n
_
=
o

n=1
j(
n
) (1.1)
siempre que los
n
/ sean disjuntos dos a dos y que = '
n
/.
Ejemplo 1.7 Considere = N y / = T (N) . Se dene la medida de conteo j() = [[ , donde
[[ = si es un conjunto innito. Se invita al lector a demostrar que j es una medida.
La o aditividad es equivalente a la siguiente nocin de continuidad, de acuerdo con el lema 1.2.
Denicin 1.2 Sea j una medida nitamente aditiva sobre un lgebra /. Decimos que j es continua
en O si j(
n
) 0 siempre que:

n
/,
n
| O, j(
1
) < . (1.2)
La demostracin del siguiente lema se deja como ejercicio.
Lema 1.1 Sea j una medida nitamente aditiva sobre un lgebra /. Entonces j satisface:
1. j() _ j(1) siempre que _ 1
2. j(1 ) = j(1) j() siempre que _ 1 y j(1) < .
3. Si
1
, . . . ,

son eventos disjuntos en / se tiene

j
_

_
n=1

n
_
=

n=1
j(
n
) .
Lema 1.2 Sea j una medida nitamente aditiva sobre un lgebra /, y supongamos que j() < .
Entonces j es una medida si y solo si es continua en O.
Demostracin
Si j es una medida y (
n
) cumple (1.2) tomamos 1
n
=
n

n+1
. Los 1
n
son elementos de /,
disjuntos dos a dos, y por el lema anterior se tiene j(1
n
) = j(
n
) j(
n+1
) . Luego, por denicin
de medida:
j(
1
) = j
_
o
_
n=1
1
n
_
=
o

n=1
j(1
n
) = j(
1
) lim
no
j(
n
) .
S. Cambronero 3
Recprocamente, sea j continua en O y suponga que los eventos
n
son disjuntos dos a dos y =
'
n

n
/. Denimos
1
n
=
n
_
|=1

|
.
Los eventos 1
n
decrecen a O, y por hiptesis se sigue que j(1
n
) 0, es decir:
j()
n

|=1
j(
|
) 0.
Denicin 1.3 Un espacio de medida (, T, j) consta de un conjunto , una o lgebra T de
subconjuntos de , y una medida j sobre T. La medida j se llama nita si j() < , y se llama o
nita si se puede escribir como unin numerable de eventos de medida nita. Es decir, si
=
_
nN

n
, donde j(
n
) < para cada : N.
Ejemplo 1.8 Un ejemplo de medida o nita en la medida de conteo en N, mientras que un ejemplo
de una medida que no lo es, es la medida de conteo en R.
Denicin 1.4 Una medida de probabilidad es una medida 1 que cumple 1 () = 1. En ese caso,
(, T, 1) se llama un espacio de probabilidad.
1.1.3 Propiedades y ejemplos
Enunciamos a continuacin una serie de propiedades elementales de las medidas de probabilidad,
algunas de las cuales se pueden generalizar a medidas nitas, e incluso o nitas, con obvias modi-
caciones. Las demostraciones de los siguientes lemas se dejan como ejercicio.
Lema 1.3 Si (, T, 1) es un espacio de probabilidad se tiene:
1. 1 (
c
) = 1 1 ()
2. 1 (' 1) = 1 () +1 (1) 1 ( 1)
Lema 1.4 Si (, T, 1) es un espacio de probabilidad se tiene:
1. 1 es osubaditiva: Si
n
T para cada : N (no necesariamente disjuntos dos a dos) entonces
1
_
o
_
n=1

n
_
_
o

n=1
1 (
n
) .
2. 1 es continua: 1 (
n
) 1 () siempre que la sucesin de eventos (
n
) sea montona y
converja a .
S. Cambronero 4
1.1.4 Construccin de medidas
El siguiente teorema es de vital importancia para la construccin de medidas de probabilidad. La
demostracin se asume conocida, aunque haremos un pequeo esbozo de la misma.
Teorema 1.1 (Caratheodory) Toda medida o nita j, denida en un lgebra /, se extiende en
forma nica a la o lgebra o (/) .
La idea de la demostracin, es denir primero la medida exterior j
+
en 2

mediante
j
+
() = inf
_

nN
j(
n
) : _

nN

n
y
n
/ para cada : N
_
.
Se demuestra que esta es sub-aditiva y se denen los conjuntos medibles bajo j
+
. Especcamente, un
conjunto 1 se llamar medible si cumple
j
+
( 1) +j
+
( 1
c
) = j
+
()
para cada _ . Los conjuntos medibles forman una o lgebra / que contiene a / y, por lo tanto,
a o (/) . Finalmente se demuestra que la restriccin de j
+
a / es una medida. Los detalles se pueden
consultar en [6], [5], [4], [2].
1.1.5 Funciones de distribucin y medidas de Borel
Si 1 es una medida de probabilidad en (R, E
R
) , se dene 1 : R R por
1 (r) = 1 (], r]) . (1.3)
Por las propiedades de las medidas de probabilidad, 1 es creciente, continua por la derecha y
1 () = 0, 1 (+) = 1. (1.4)
En efecto, dado que ], a] _ ], /] cuando a < / se tiene 1 (a) _ 1 (/) . Esto demuestra que 1 es
creciente. Luego, dado que

, a +
1
n

| ], a]
se tiene 1
_
a +
1
n
_
1 (a) . Como 1 es ceciente, esto es suciente para concluir que 1 es continua
por la derecha. Por otro lado, como ], :] | O se tiene que
1 () = lim
no
1 (:) = 0
y similarmente 1 (+) = 1.
Denicin 1.5 Una funcin de distribucin es una funcin 1 : R R creciente, continua por la
derecha, y que cumple (1.4).
Hemos demostrado entonces que, dada una medida de probabilidad 1 en (R, E
R
) , (1.3) dene una
funcin de distribucin. Recprocamente, dada una funcin de distribucin 1, existe una nica medida
de probabilidad 1 que cumple (1.3). Para denir 1 tomamos como punto de partida el lgebra /
cuyos elementos son las uniones nitas disjuntas de intervalos de la forma ]a, /] , y denimos 1 en /
por 1 (R) = 1, y
1
_
n
_
I=1
]a
I
, /
I
]
_
=
n

I=1
(1 (/
I
) 1 (a
I
)) .
Claramente 1 es aditiva en /, y solo resta demostrar la o aditividad.
S. Cambronero 5
Lema 1.5 (Lebesgue) 1 es continua en O y, por lo tanto, oaditiva en /.
Demostracin
Consideramos (
n
) en / de forma que
n
| O, y supongamos por constradiccin que 1 (
n
) 9 0.
Debe existir entonces c 0 tal que 1 (
n
) _ 4c para cada : N.
Como 11 (`)+1 (`) 0 cuando ` , se puede escoger ` de forma que 11 (`)+1 (`) < 2c,
con lo que
1 (
n
[`, `]) _ 1 (
n
) 2c _ 2c
para cada : N. Cambiando
n
por
n
[`, `] , obtenemos que 1 (
n
) _ 2c y
n
_ [`, `] .
Si
n
=
n

=1
]a

, /

] , por la continuidad por la derecha de 1 podemos escoger a

]a

, /

[ de modo
que
1 (a

) 1 (a

) <
c
:2
n
.
Deniendo 1
n
=
n

=1
]a

, /

] tenemos 1 (
n
1
n
) _
o
2
n
y, con
1
n
=
n

=1
1

, 1
n
=
n

=1
1

se tiene 1
n
_ 1
n
_ 1
n
_
n
y adems:
1 (1
n
) = 1
_
_
n

=1
1

_
_
= 1
_
_
n

=1

)
_
_
_ 1
_
_
n

=1

n
(

)
_
_
= 1
_
_

n

n
_
=1
(

)
_
_
= 1 (
n
) 1
_
_
n
_
=1
(

)
_
_
_ 2c
n

=1
c
2
n
_ c.
En particular se debe tener 1
n
,= O, y consecuentemente 1
n
,= O para cada : N. Pero cada 1
n
es
compacto y
o

n=1
1
n
_
o

n=1

n
= O,
lo cual es una contradiccin.
Por el teorema de Caratheodory, 1 se extiende a una medida de probabilidad en toda la o lgebra
de Borel. Dicha medida se llama la medida asociada a la funcin de distribucin 1, y se denota 1
J
.
Resumimos lo demostrado en el siguiente teorema.
Teorema 1.2 Hay una correspondencia 1 a 1 entre funciones de distribucin y medidas de probabil-
idad en (R, E
R
) mediante la relacin (1.3).
S. Cambronero 6
1.1.6 La medida de Lebesgue en R
En el caso particular
1 (r) =
_
_
_
0 si r < 0
r si 0 _ r _ 1
1 si r 1
la medida 1
J
construida en la seccin anterior se llama la medida de Lebesgue en (0, 1] , la denotaremos
momentneamente por `. Es decir, ` es la nica medida de probabilidad en
_
(0, 1] , E
(0,1]
_
que asigna
a cada intervalo su longitud. Hay muchas maneras de extender esta medida a todo R. Una manera
es denir la medida de Lebesgue `
n
en (:, : + 1] mediante traslacin, es decir, para _ (:, : + 1] se
dene:
`
n
() = `(:) ,
donde : = r : : r .Ntese que `
0
= `. Luego, para cualquier E
R
se dene
`() =

nZ
`
n
( (:, : + 1]) .
El lector interesado puede demostrar que esta es efectivamente una medida en R. Otra forma de
extende ` a todo R es deniendo j
n
en (:, :] mediante
j
n
() = `
_
1
2n
+
1
2
_
y luego
`() = lim
no
j
n
( (:, :]) .
1.1.7 Funciones de densidad
La manera ms directa de construir funciones de distribucin es a travs de densidades. Una funcin
de densidad es una funcin , : R R que cumple:
,(r) _ 0,
_
o
o
,(r) dr = 1.
Por ahora tomaremos esta integral en el sentido de una integral impropia de Riemman, as que , solo
debe ser integrable en el sentido de Riemann en cada intervalo compacto y satisfacer:
lim
no
_
n
n
,(r) dr = 1.
Ms adelante podremos ampliar este concepto. Dada una funcin de densidad, podemos denir una
funcin de distribucin 1 mediante:
1 (r) =
_
r
o
,(t) dt.
S. Cambronero 7
1.1.8 Variables aleatorias
Denicin 1.6 Dados dos espacios (probabilizables) (, T) y (
1
, T
1
) , una funcin
) :
1
se llama medible si para cada T
1
se tiene )
1
() T.
Si (, T, 1) es un espacio de probabilidad, las funciones medibles de (, T) en (R, E
R
) se llaman
tambin variables aleatorias, y se suelen denotar con las letras maysculas A, 1, 7, etc. En general,
las funciones medibles entre (, T) y (
1
, T
1
) son llamadas transformaciones.
Para variables aleatorias, se acostumbra usar la notacin [A ] en vez de A
1
() . Cuando =
[a, ) se usa tambin [A _ ] , y similarmente con otros tipos de intervalos. Por ejemplo:
[1 _ A < 2] = . : A (.) [1, 2) .
Ejemplo 1.9 En (R, E
R
) , cualquier funcin continua ) : R R es medible.
Ejemplo 1.10 Si T, la funcin 1
.
denida por
1
.
=
_
1 si r
0 si r ,
se llama la funcin caracterstica de . Claramente, esta funcin es una variable aleatoria.
De acuerdo con el ejercicio 9, para que A : R sea variable aleatoria basta que cumpla cualquiera
de las siguientes condiciones:
1. [A a] T para cada a R
2. [A _ a] T para cada a R
3. [A < a] T para cada a R
4. [A _ a] T para cada a R
5. [A ] T para cada abierto en R
Lema 1.6 Si A, 1 son variables aleatorias y c R, entonces cA+1 es tambin una variable aleatoria.
Demostracin
Primero note que si c 0 y c R se tiene [cA c] = [A c,c] T, as que cA es variable
aleatoria. Si c < 0 se obtiene similarmente [cA c] = [A < c,c] A. El caso c = 0 no requiere
discusin.
Para demostrar que A +1 es medible, observamos primero que si A +1 c, entonces A c 1,
y debe existir algn racional r tal que A r c 1. Esto implica que
[A +1 c] =
_
:Q
([A r] [1 c r]) T,
dado que Q es numerable.
S. Cambronero 8
Lema 1.7 Si A y 1 son variables aleatorias, entonces A1 lo es. Adems,

Y
1
[Y ,=0]
es variable
aleatoria.
Demostracin
Primero veamos que A
2
es variable aleatoria. En efecto, para c _ 0 se tiene
_
A
2
_ c

=
_
A _
_
c

'
_
A _
_
c

T
mientras que el caso c < 0 es evidente. Usando esto y el lema anterior obtenemos que
A1 =
1
2
_
(A +1 )
2
A
2
1
2
_
es variable aleatoria. La otra armacin se deja como ejercicio.
Lema 1.8 Si (A
n
)
n
es una familia contable de variables aleatorias, entonces las funciones
sup
n
A
n
e inf
n
A
n
.
son variables aleatorias.
Demostracin
Para c R se tiene que
_
sup
n
A
n
c
_
=
_
n
[A
n
c] T
y similarmente con el inf .
Nota: En la demostracin del lema anterior no fuimos cuidadosos con la posibilidad de que el supremo
(o el nmo) fueran innitos. Para corregir esto, hay dos posibles vas. La primera es admitir la
posibilidad de que las variables aleatorias tomen el valor , es decir que sean funciones A : R;
la segunda es sustituir la variable por
1
.
sup
n
A
n
,
donde = . : sup
n
A
n
< , y similarmente con el inf . Con esta idea en mente enunciamos
el siguiente resultado.
Lema 1.9 Si (A
n
) es una sucesin de variables aleatorias se tiene que
limA
n
y limA
n
son variables aleatorias. Adems, si = . : limA
n
(.) existe , entonces 1
.
limA
n
es variable
aleatoria.
La demostracin se deja como ejercicio.
S. Cambronero 9
1.1.9 Distribucin y funcin de distribucin
Si (, T, 1) es un espacio de probabilidad, y si T : (, T) (
1
, T
1
) es medible (una transformacin),
se puede denir una medida de probabilidad 1
T
en (
1
, T
1
) mediante
1
T
() = 1 [T ] = 1
_
T
1
()
_
.
El lector puede vericar que efectivamente, esta es una medida de probabilidad. La medida 1
T
se
llama la distribucin de T, y se denota tambin por 1T
1
, por razones evidentes.
En el caso particular de una variable aleatoria A, la distribucin 1

es entonces una medida sobre

los Borelianos y, por lo tanto, tiene asociada una funcin de distribucin:
1

(r) = 1

(], r]) = 1 [A _ r] .
Recprocamente, dada una funcin de distribucin 1, existe una variable aleatoria cuya funcin de
distribucin es 1. En efecto, siendo 1
J
la medida de Borel asociada a 1, la funcin identidad de R en
R es una variable aleatoria en el espacio (R, E
R
, 1
J
) , cuya funcin de distribucin est dada por:
1

(r) = 1
J
[A _ r] = 1 (r) .
En el caso que 1 provenga de una funcin de densidad, se tiene
1
J
[a < A _ /] = 1 (/) 1 (a) =
_
b
o
,(r) dr,
lo que aclara el nombre de densidad.
1.1.10 Igualdades y propiedades casi seguras
Dado un espacio de probabilidad (, T, 1) , un evento T se llama evento nulo si 1 () = 0. Por
la o aditividad, la unin contable de eventos nulos es un evento nulo. Sin embargo, como lo muestra
la medida de Lebesgue, la unin no contable de eventos nulos (los conjuntos unitarios) puede dar todo
el espacio. Uno de los puntos cruciales de entender en probabilidad es que los eventos nulos no alteran
nada en forma individual, pero las uniones arbitrarias de estos pueden representar rodo el universo.
Decimos que una propiedad se cumple casi siempre (o casi seguramente) si se cumple para cada .
c
,
donde es un evento nulo. En particular, decimos que A = 1 casi siempre (c.s.) si
1 [A ,= 1 ] = 0.
Decimos que una variable A es acotada casi seguramente, si existe 1 acotada tal que A = 1 c.s.
Equivalentemente, A es acotada c.s. si existe ' 0 tal que 1 [[A[ '] = 0. Al menor de estos '
se le llama la norma innito de A, y se denota |A|
o
. Ms precisamente:
|A|
o
= inf ' 0 : 1 [[A[ '] = 0 .
Ejemplo 1.11 En = (0, 1] , con T = E
(0,1]
y 1 = ` (la medida de Lebesgue) denamos
A (.) =
_
2. si . I
1
.
si . Q
Entonces 1 [[A[ 2] = 0, as que A es acotada c.s. Visto de otra forma, A = 1 c.s., donde 1 (.) =
2. para todo . . Ntese que A no es acotada en un sentido clsico (determinstico), pues por
ejemplo A
_
1
n
_
= : . Ntese adems que |A|
o
= 2.
S. Cambronero 10
Como mencionamos previamente, se puede extender el concepto de variable aleatoria a funciones
A : R. En tal caso, decimos que A es v.a. si cumple [A _ a] T para cada a R. En particular
se tiene:
[A = ] =

nN
[A _ :] T, [A = ] =
_
_
nN
[A _ :]
_
c
T
En este contexto, A se llama nita si [A = ] = [A = ] = O, y se llama casi siempre nita si
1 [A = ] = 1 [A = ] = 0.
1.1.11 Convergencia
Sea (A
n
)
nN
una sucesin de variables aleatorias, y sea A una variable aleatoria.
Denicin 1.7 Decimos que A
n
A en medida si para cada - 0 se tiene
1 [[A
n
A[ _ -] 0.
Decimos que A
n
A casi siempre (c.s.) si 1 [A
n
9A] = 0. Equivalentemente, si
1
_
. : lim[A
n
(.) A (.)[ 0
_
= 0.
Ejemplo 1.12 En = ]0, 1] con la medida de Lebesgue, denamos A
n
= 1
]
n2
n
2
n ,
n+12
n
2
n ]
, donde / es
tal que 2
|
_ : < 2
|+1
. Ms precisamente, / es la parte entera de
ln n
ln 2
. Se tiene entonces que
1 [[A
n
0[ _ -] _ 1 [A
n
0] =
1
2
|
_
2
:
0,
as que A
n
0 en medida. Pero para cada . se tiene que (A
n
(.)) diverge, es decir
1 [A
n
A] = 0.
Esto demuestra que la convergencia en medida no implica convergencia casi siempre.
En la otra direccin tenemos el siguiente lema, cuya demostracin se deja como ejercicio.
Lema 1.10 Si A
n
A casi siempre, entonces A
n
A en medida.
1.1.12 Ejercicios
1. Demuestre que la interseccin arbitraria de o lgebras es una o lgebra.
2. Demuestre que, efectivamente, o (/) es la menor o lgebra que contiene a /.
3. Demuestre que Q e I son Borelianos en R.
4. Demuestre las armaciones hechas en los ejemplos 1.5 y 1.6.
5. Demuestre que si / es un lgebra entonces son equivalentes:
(a) / es o lgebra
(b) Si (
n
) es una sucesin creciente de eventos de /, entonces '
n
/
S. Cambronero 11
(c) Si (
n
) es una sucesin decreciente de eventos de /, entonces
n
/
6. Demuestre que una medida nitamente adittiva y nita es una medida si y solo si es continua
en . Es decir, si j(
n
) j() siempre que /
n
.
7. Demuestre que si j es una medida o nita entonces se puede escribir =

nN

n
, donde los

n
son disjuntos dos a dos, y j(
n
) < para cada : N.
8. Demuestre la unicida en el teorema de Caratheodory. Ms generalmente, si dos medidas denidas
en una o lgebra T coinciden en / _ T, entonces coinciden en o (/) .
9. Si T es una o lgebra de subconjuntos de , y ) :
1
es una funcin, demuestre que la
familia
( =
_
_
1
: )
1
() T
_
es una o lgebra de subconjuntos de
1
. Concluya que si T
1
= o (/) y )
1
() T para
cada /, entonces ) es medible de (, T) en (
1
, T
1
) .
10. Demuestre el lema 1.10.
11. Demuestre que si 1 es montona entonces 1 es continua por la derecha en r = a si y solo si
1
_
a +
1
n
_
1 (a) .
12. Demuestre que una funcin de distribucin tiene a lo sumo un nmero contable de discon-
tinuidades.
1.2 Denicin de la integral
La integral de una variable aleatoria no negativa, se puede denir resumidamente como:
_
Ad1 = lim
no
n2
n
1

|=0
|
2
n
1
_
|
2
n
_ A <
|+1
2
n

+:1 [A _ :] .
Sin embargo, para facilitar la demostracin de los principales resultados es preferible realizar el proceso
siguiendo el siguiente programa:
1.2.1 Funciones simples
Una variable aleatoria simple tiene la forma
A =
n

I=1
c
I
1
.i
, (1.5)
donde : N, c
1
, . . . , c
n
R y
1
, . . . ,
n
T son disjuntos dos a dos. Una funcin simple puede
tener varias representaciones. Por ejemplo, es claro que
A = 2 1
[0,1]
= 2 1
[0,
1
2
)
+ 2 1
[
1
2
,1]
.
S. Cambronero 12
Sin embargo, hay una nica representacin que tiene todos sus c
I
distintos. En efecto, si ,
1
, . . . , ,
n
son los valores distintos que toma A, se tiene
A =
n

=1
,

1
Jj
, (1.6)
donde
1

=
_
A = ,

=
_
oi=o
j

I
.
Ntese que de hecho 1
1
, . . . , 1
n
forman una particin de . Para una variable simple dada por (1.5)
se dene:
_
Ad1 =
n

I=1
c
I
j(A
i
) . (1.7)
Ntese que expresando A en la forma (1.6) se tiene
_
Ad1 =
n

I=1
c
I
j(A
i
) =
n

=1

oi=o
j
c
I
j(A
i
)
=
n

=1

oi=o
j
,

j(A
i
) =
n

=1
,

oi=o
j
j(A
i
)
=
n

=1
,

j(1

) .
Como la representacin (1.6) es nica, esto demuestra que la integral de funciones simples est bien
denida.
Lema 1.11 Sean A,1 variables simples.
1. Para cada c R, la variable cA +1 es simple y:
_
(cA +1 ) d1 = c
_
Ad1 +
_
1 d1. (1.8)
2. Si A _ 1 c.s. se tiene
_
Ad1 _
_
1 d1. Adems, si A = 1 c.s. entonces
_
Ad1 =
_
1 d1.
En particular, si A = 0 c.s. se tiene
_
Ad1 = 0.
3. La variable [A[ es simple y:

_
Ad1

_
_
[A[ d1.
Demostracin
S. Cambronero 13
1. Sean A y 1 dadas por
A =
n

I=1
c
I
1
.i
, 1 =
|

=1
,

1
1i
,
donde los
I
y los 1

forman particiones de . Se tiene entonces

cA +1 =
n

I=1
|

=1
_
cc
I
+,

_
1
.i|1j
,
y usando esta representacin la linealidad es clara.
2. Es claro que si A _ 0 c.s. entonces
_
Ad1 _ 0. Luego, si A _ 1 c.s. se obtiene 1 A _ 0 c.s.
y entonces:
_
1 d1
_
Ad1 =
_
(1 A) d1 _ 0.
Cuando A = 1, por simetra se obtiene la igualdad.
3. Como A _ [A[ y A _ [A[ se sigue que
_
Ad1 _
_
[A[ d1, y
_
Ad1 _
_
[A[ d1,
lo que demuestra la ltima armacin.
Observaciones
1. En particular, la linealidad demostrada en el lema anterior nos dice que la igualdad (1.7) es
vlida siempre que se cumpla (1.5), aunque los conjuntos
I
no sean disjuntos.
2. Es importante tener presente el caso particular:
_
1
.
d1 = 1 () .
1.2.2 Variables aleatorias acotadas
El siguiente lema es bscio en la denicin de la integral para variables acotadas.
Lema 1.12 Si A es variable aleatoria acotada, existen sucesiones (A
n
) y (1
n
) de v.a. simples, tales
que A
n
A, 1
n
| A y adems |A A
n
|
o
_ |1
n
A
n
|
o
=
1
2
n
. En particular A
n
A y 1
n
A
uniformemente.
Prueba
Sea : N tal que |A|
o
< :. Para cada : N se dene
A
n
=
n2
n
1

|=n2
n
|
2
n
1
[
k
2
n <
k+1
2
n ]
, 1
n
= A
n
+
1
2
n
.
Se deja al lector los detalles.
S. Cambronero 14
Ahora ntese que, por el lema 1.11 se tiene:
_
A
n
d1 _
_
1
n
d1 _
_
A
n
d1 +
1
2
n
,
as que debe tenerse
1
lim
no
_
A
n
d1 = lim
no
_
1
n
d1.
Se dene entonces _
Ad1 = lim
no
_
A
n
d1.
El lema siguiente demuestra que se puede usar cualquier sucesin de simples, siempre que esta converja
uniformemente a A. La demostracin es elemental, y se deja como ejercicio.
Lema 1.13 Si (l
n
) es cualquier sucesin de v.a. simples que converge uniformemente a una variable
acotada A, se tiene
_
Ad1 = lim
no
_
l
n
d1.
Ahora resulta sencillo demostrar las propiedades para integrales de funciones acotadas. El lector puede
demostrar el siguiente lema como ejercicio.
Lema 1.14 Sean A e 1 son variables aleatorias acotadas.
1. Para cada c R, la variable cA +1 es acotada y
_
(cA +1 ) d1 = c
_
Ad1 +
_
1 d1. (1.9)
2. Si A _ 1 c.s. se tiene
_
Ad1 _
_
1 d1. Adems, si A = 1 c.s. entonces
_
Ad1 =
_
1 d1.
En particular, si A = 0 c.s. se tiene
_
Ad1 = 0.
3. La variable [A[ es acotada y

_
Ad1

_
_
[A[ d1.
Ejemplo 1.13 Sea ) : [0, 1] R una funcin continua. Entonces existe una sucesin (,
n
) de
funciones escalonadas que converge uniformemente a ) (ver ejercicio 8). Como las escalonadas son
funciones simples, y su integral con respecto a la medida de Lebesgue ` coincide con la integral de
Riemann (ejercicio 7), se sigue del lema 1.13 que
_
)d` = lim
_
,
n
d` = lim
_
1
0
,
n
(r) dr =
_
1
0
) (r) dr.
1
La existencia de estos lmites se sigue del teorema de Weierstrass, debido a que, por el lema 1.11, ambas sucesiones
son montonas.
S. Cambronero 15
Teorema 1.3 (Convergencia acotada) Suponga que A
n
A en medida, donde A es acotada y (A
n
)
es uniformemente acotada. Entonces
_
A
n
d1
_
Ad1.
Demostracin
Sea 1 0 tal que [A[ _ 1 y [A
n
[ _ 1 para cada : N. Dado - 0 denimos 1
n
= [[A
n
A[ _ -] .
Tenemos 1 (1
n
) 0 y, por el lema anterior:

_
A
n
d1
_
Ad1

_
_
[A
n
A[ d1
=
_
[A
n
A[ 1
Jn
d1 +
_
[A
n
A[ 1
J
c
n
d1
_ 21 1 (1
n
) +-,
de donde
lim

_
A
n
d1
_
Ad1

_ -.
Haga - 0.
Nota: La acotacin de A se asume debido a que no hemos denido la integral para variables que son
c.s. acotadas. En el ejercicio 17 se pide demostrar el teorema sin dicha hiptesis. Es claro que este
teorema es vlido tambin para convergencia casi segura.
1.2.3 Variables no negativas
Si A _ 0 es medible se dene
2
_
Ad1 = sup
__
7d1 : 7 acotada y 0 _ 7 _ A
_
.
Ntese que esta denicin incluye la posibilidad de que A tome el valor . De hecho si 1 [A = ] 0
entonces
_
Ad1 = , puesto que en ese caso las variables 7
n
= : 1
[=o]
son acotadas, y
_
7
n
d1 = :1 [A = ] .
El siguiente lema nos ayudar enormemente a sacarle provecho a la denicin anterior.
Lema 1.15 Si 0 _ A _ 1 c.s. entonces
_
Ad1 _
_
1 d1. En particular si A = 1 c.s. entonces
_
Ad1 =
_
1 d1 y, ms particularmente, si A = 0 c.s. se sigue que
_
Ad1 = 0.
Demostracin
En efecto, si 7 es acotada y 0 _ 7 _ A, tenemos 7 = min(7, 1 ) c.s. y como estas son variables
acotadas tenemos: _
7d1 =
_
min(7, 1 ) d1 _
_
1 d1.
Tomando el supremo se obtiene
_
Ad1 _
_
1 d1. Por simetra obtenemos el segundo resultado, y el
tercero es un caso particular.
2
El supremo debe interpretarse como 1 si el conjunto no es acotado.
S. Cambronero 16
Ejemplo 1.14 Considere las variables A e 1 del ejemplo 1.11. Como A = 1 c.s. tenemos, por el
ejemplo 1.13:
_
Ad1 =
_
1 d1 =
_
1
0
2rdr = 1.
Ejemplo 1.15 Sea A = 1
.
, es decir, A = en y A = 0 en
c
. Si 1 () = 0 entonces A = 0
c.s. y por el lema anterior se tiene
_
Ad1 = 0. Dicho informalmente, en teora de probabilidades se
tiene 0 = 0.
Teorema 1.4 (Lema de Fatou) Si (A
n
) es una sucesin de variables aleatorias no negativas, entonces:
_
(liminf A
n
) d1 _ liminf
_
A
n
d1.
Demostracin
Denamos
A = liminf A
n
= lim
no
1
n
, donde 1
n
= inf
|n
A
|
.
Sea 7 acotada tal que 0 _ 7 _ A. Entonces 7
n
= min(1
n
, 7) 7, y por el teorema de convergencia
acotada se tiene _
7d1 = lim
_
7
n
d1 _ lim
no
_
1
n
d1 _ liminf
_
A
n
d1.
Como 7 es arbitraria, se obtiene el resultado.
Teorema 1.5 (Convergencia montona) Si (A
n
) es una sucesin creciente de variables aleatorias no
negativas y A = lim
no
A
n
, entonces
_
A
n
d1
_
Ad1.
Demostracin
Dado que
_
A
n
d1 _
_
Ad1, aplicando el lema de Fatou se tiene
lim
_
A
n
d1 _
_
Ad1 _ lim
_
A
n
d1.
En particular se tiene
_
Ad1 = lim
no
_
min(A, :) d1.
Utilizando esta identidad no es difcil demostrar:
Lema 1.16 Si A _ 0 y 1 _ 0 son variables aleatorias y c _ 0, se tiene
_
(cA +1 ) d1 = c
_
Ad1 +
_
1 d1.
S. Cambronero 17
1.2.4 Caso general
Si A es cualquier funcin medible, se denen
A
+
= max (A, 0) , A

= max (A, 0) .
Claramente se tiene que A = A
+
A

y [A[ = A
+
+A

. Adems A

= 0 si y solo si A _ 0. Decimos
que la integral de A existe si al menos una de las integrales de A
+
y A

es nita, y escribimos
_
Ad1 =
_
A
+
d1
_
A

d1.
Decimos que A es integrable si ambas integrales a la derecha son nitas, es decir si
_
[A[ d1 < .
Dejamos al lector la tarea de vericar el siguiente lema.
Lema 1.17 Sean A, 1 variables aleatorias.
1. Si ambas son integrables, entonces cA +1 es integrable y
_
(cA +1 ) d1 = c
_
Ad1 +
_
1 d1.
2. Si A _ 1 se tiene
_
Ad1 _
_
1 d1 (siempre que ambas existan). Adems

_
Ad1

_
_
[A[ d1.
Finalmente, para T se dene
_
.
Ad1 =
_
A 1
.
d1,
siempre que la integral del lado derecho exista.
Teorema 1.6 (Convergencia Dominada) Sea (A
n
) es una sucesin de variables aleatorias tal que
A
n
A c.s. y [A
n
[ _ 1 para cada :, donde 1 es integrable. Entonces:
_
A
n
d1
_
Ad1.
Demostracin
En primer lugar, como [A[ _ 1 c.s. se sigue que A es integrable. Adems, dado que 0 _ 1 A
n

1 A se sigue del lema de Fatou que
_
(1 A) d1 _ liminf
_
(1 A
n
) d1
y consecuentemente
_
Ad1 _ limsup
_
A
n
d1.
Similarmente, como 0 _ 1 +A
n
1 +A se obtiene
_
Ad1 _ liminf
_
A
n
d1.
S. Cambronero 18
Ejemplo 1.16 En = [0, 1] consideramos la sucesin (,
n
) dada por
,
n
(r) =
n

|=0
(1)
|
r
|
=
1 + (1)
n
r
n+1
1 +r
.
Ntese que [,
n
(r)[ _ 2 y ,
n
A c.s., donde
A (r) =
1
1 +r
.
Por el teorema de convergencia acotada se sigue que
lim
no
_
,
n
d` =
_
Ad`,
donde ` es la medida de Lebesgue en [0, 1] . Pero de acuerdo con el ejercicio 9 se tiene que
_
,
n
d` =
_
1
0
A
n
(r) dr =
n

|=0
(1)
|
/ + 1
,
_
Ad` =
_
1
0
dr
1 + 1
= ln2.
Se concluye que
ln2 =
o

|=0
(1)
|
/ + 1
.
1.2.5 El cambio de variable
Si T :
1
es una transformacin entre los espacios (, T, 1) y (
1
, T
1
) se dene
o (T) = o
__
T
1
() : T
1
__
la o lgebra generada por T; es la menor que hace a T medible. La medida de probabilidad inducida
por T en T
1
se denota 1
T
y se dene por
1
T
() = 1
_
T
1
()
_
= 1 [T ] .
La medida 1
T
se llama la distribucin de T, y se denota tambin 1T
1
. La demostracin del siguiente
teorema se realiza mediante el argumento estndar, vericando primero que el resultado es vlido para
funcionmes simples, luego para acotadas va convergencia uniforme, seguidamente para positivas a
travs del teorema de convergencia montona, y nalmente usando la parte positiva y negativa de una
v.a. cualquiera.
Teorema 1.7 Si A es una variable aleatoria denida en (
1
, T
1
) , entonces AT es una v.a. en
(, T, 1) . Adems AT es integrable con respecto a 1 si y solo si A es integrable con respecto a 1
T
, y
_
1
Ad1
T
=
_

ATd1.
Ntese el caso particular en que
1
= R y T
1
= E
R
, y entonces T es una variable aleatoria A. En este
caso se tiene _

q Ad1 =
_
R
q (r) d1

,
para toda q : R R Borel-medible. Como corolario, A es integrable si y solo si la funcin identidad
es integrable con repecto a la distribucin de A.
S. Cambronero 19
1.2.6 Ejercicios
1. Si j es o nita, y los
n
son los del ejercicio anterior, se dene
_
Ad1 =

nN
_
n
Ad1
n
,
donde j
n
es la restriccin de j a
n
. Demuestre que esta es una buena denicin, es decir que
no depende de la sucesin (
n
) escogida.
2. Si (7
n
) es cualquier sucesin de v.a. acotadas tal que 7
n
A, se tiene
_
Ad1 = lim
_
7
n
d1.
3. Demuestre que el teorema de convergencia acotada no es vlido en el caso de medidas o nitas.
4. Demuestre que el lema de Fatou s es vlido para el caso de medidas o nitas. Concluya que
el teorema de convergencia dominada y de convergencia montona tambin son vlidos en este
caso.
5. Complete la demostracin del lema 1.7.
6. Demuestre el lema 1.10. Sug. Ntese que
[A
n
9A] =
_
nN

N
o
_
n=
_
[A
n
A[ _
1
:
_
.
7. Si , : [a, /] R es una funcin escalonada, demuestre que , es simple, y que su integral con
respecto a la medida de Lebesgue coincide con la integral en el sentido de Riemann.
8. Si ) : [0, 1] R es continua, demuestre que existe una sucesin de funciones escalonadas que
converge uniformemente a ).
9. Demuestre que toda funcin ) : [a, /] R acotada y Riemann-integrable, es Lebesgue-integrable,
y las integrales coinciden.
10. Demuestre que si A
1
y A
2
son variables aleatorias no negativas, tales que A = A
1
A
2
, entonces
_
Ad1 =
_
A
1
d1
_
A
2
d1.
Sug. Escriba A
+
+A
2
= A

+A
1
y aplique el lema 1.16.
11. Demuestre el lema 1.17. Sug. Para la parte 2. haga por aparte el caso cA, y para A +1 use el
ejercicio anterior.
12. Si y 1 son disjuntos y A es integrable, demuestre que
_
.|1
Ad1 =
_
.
Ad1 +
_
1
Ad1.
S. Cambronero 20
13. Demuestre que si A _ 0, entonces existe una sucesin (,
n
) de funciones simples tal que 0 _
,
n
_ A para cada : N y
_
,
n
d1
_
Ad1. Concluya que para A _ 0 se tiene
_
Ad1 = sup
__
,d1 : , simple y 0 _ , _ A
_
.
14. Si A es integrable, demuestre que
_
Ad1 = lim
no
n2
n
1

|=n2
n
/
2
n
1
_
/
2
n
_ A <
/ + 1
2
n
_
.
15. Si A _ 0, demuestre que
_
Ad1 = lim
no
_
n2
n
1

|=0
/
2
n
1
_
/
2
n
_ A <
/ + 1
2
n
_
+:1 [A _ :]
_
.
16. Dadas dos variables aleatorias A y 1, decimos que A = 1 casi siempre si j[A ,= 1 ] = 0.
Demuestre que A = 1 c.s si y solo si
_
[A 1 [ d1 = 0.
17. Si A
n
A en medida, y si [A
n
[ _ 1 para cada : (alguna constante 1), entonces
_
A
n
d1
_
Ad1.
18. Demuestre que si (A
n
) es una sucesin de variables aleatorias no negativas, y si A
n
A en
medida, entonces
_
Ad1 _ liminf
_
A
n
d1.
19. Demuestre que si (A
n
) es una sucesin de variables aleatorias tal que A
n
A en medida, y si
[A
n
[ _ 1 para cada :, con 1 integrable, se tiene
_
A
n
d1
_
Ad1, y
_
[A
n
A[ d1 0.
1.3 El espacio L
j
(; T; P)
Es importante tener presente que los resultados demostrados aqu siguen siendo vlidos en espacios
de medida nitos, e incluso algunos en espacios o- nitos, con las modicaciones pertinentes.
S. Cambronero 21
1.3.1 La norma ||
1
Dado el espacio de probabilidad (, T, 1) , consideramos el espacio 1 cuyos elementos son las variables
integrables. Claramente 1 es un espacio vectorial con las operaciones usuales. Para A 1 denimos
|A|
1
=
_
[A[ d1.
El lector puede demostrar fcilmente que |`A|
1
= [`[ |A|
1
para ` R y A 1. Adems, se cumple
la desigualdad triangular:
|A +1 |
1
_ |A|
1
+|1 |
1
.
Sin embargo, ||
1
no es una norma sobre 1, debido a que es posible tener |A|
1
= 0 sin que A = 0.
Lo anterior se debe a que |A|
1
= 0 si y solo si A = 0 c.s. Para corregir esto, vamos a identicar dos
variables A e 1 cuando estas coinciden casi siempre. Es decir, en 1 consideramos la relacin denida
por
A ~ 1 = A = 1 c.s.
No es difcil demostrar que esta relacin es de equivalencia (ejercicio). Luego denimos
1
1
= 1
1
(, T, 1) = 1, ~ .
Para c R y [A] , [1 ] 1
1
se dene c[A] + [1 ] = [cA +1 ] , y tambin |[A]|
1
= |A|
1
. Dejamos
al lector la tarea de demostrar que 1
1
con estas operaciones es un espacio vectorial normado. Por
comodidad, se denotar A en vez de [A] , y pensamos en 1
1
como el espacio 1, donde se identican
variables que coinciden casi siempre.
1.3.2 La norma ||
p
Para j _ 1 se dene
1

= 1

(, T, 1) = A : [A[

es integrable ,
donde se identican variables que coinciden casi siempre. Este resulta un espacio vectorial normado
con la norma que deniremos abajo. Para empezar es importante observar que 1

es en efecto un
espacio vectorial, para lo cual el punto crucial es demostrar que A +1 1

cuando A, 1 1

. Esto
se sigue del hecho que
[A +1 [

_ ([A[ +[1 [)

_ 2
1
([A[

+[1 [

) ,
donde usamos el ejercicio 1.
Ejemplo 1.17 Para j = 2 se dene el producto interno
A, 1 =
_
A1 d1 = 1 (A1 )
Puesto que 2 [A1 [ _ [A[
2
+ [1 [
2
, se sigue que esta es una buena denicin. Adems, este es un
producto interno en 1
2
, por lo que
[[A[[
2
=
__
[A[
2
d1
_1
2
dene una norma en dicho espacio.
S. Cambronero 22
Para A 1 se dene
|A|

= [1 [A[

]
1
p
.
Para demostrar que esta es una norma, la parte difcil es la desigualdad triangular. Primero demostramos
el siguiente resultado.
Lema 1.18 (Desigualdad de Hlder) Si A 1

y 1 1
j
, donde
1

+
1
j
= 1, se tiene que A1 1
1
,
y adems
|A1 |
1
_ |A|

|1 |
j
.
Demostracin
En caso que una de las variables sea nula (es decir, nula casi siempre), el resultado es evidente. En
caso contrario, seguimos los siguientes pasos:
1. Para a, / 0 y 0 _ t _ 1 se tiene
t lna + (1 t) ln/ _ ln(ta + (1 t) /) .
Esta es en realidad la concavidad de la funcin ln en (0, ) . Tambin se puede vericar derivando
(con respecto a /, por ejemplo).
2. Por el crecimiento de la funcin ln, se deduce de lo anterior que
a
|
/
1|
_ ta + (1 t) /.
3. Si
1

+
1
j
= 1, tomando t =
1

, a = [A[

, / = [1 [
j
en lo anterior se tiene
[A1 [ _
1

[A[

+
1
j
[1 [
j
.
4. Si [[A[[

= [[1 [[
j
= 1, al integrar en la desigualdad anterior se obtiene
1 [A1 [ _
1

1 [A[

+
1
j
1 [1 [
j
= 1.
5. En el caso general se tiene

1
[[A[[

1
[[1 [[
j
1

j
= 1,
y aplicando la parte anterior se obtiene
1

1
[[A[[

A
1
[[1 [[
j
1

_ 1,
de donde se sigue el resultado.
S. Cambronero 23
Note que en el caso particular j = = 2, se obtiene la desigualdad de Cauchy-Schwarz.
Para A, 1 1

, tomando =

1
se tiene que [A +1 [
1
1
j
(por qu?), y entonces
1 [A +1 [

_ 1
_
[A[ [A +1 [
1
_
+1
_
[1 [ [A +1 [
1
_
_ |A|

_
_
_[A +1 [
1
_
_
_
j
+|1 |

_
_
_[A +1 [
1
_
_
_
j
=
_
|A|

+|1 |

_
(1 [A +1 [

)
1
q
,
dado que (j 1) = j. Finalmente, dado que 1
1
j
=
1

, se deduce la desigualdad triangular (tambin

conocida como desigualda de Minkowski en este caso particular):
[[A +1 [[

_ [[A[[

+[[1 [[

.
Corolario 1.1 Para j _ 1 se tiene que 1

(, T, 1) es un espacio vectorial normado con la norma

||

.
Vamos a demostrar que 1

es de Banach.
Teorema 1.8 El espacio 1

(, T, 1) es un espacio de Banach
Demostracin
Consideremos (A
n
) una sucesin de Cauchy en 1

. Aplicando la denicin con - =

1
2
, existe :
1
tal
que
|A
n
A
n
| <
1
2
, \:, : _ :
1
.
Por recurrencia, habiendo construido :
|
aplicamos de nuevo la denicin, obteniendo :
|+1
:
|
tal
que
|A
n
A
n
| <
1
2
k+1
, \:, : _ :
|+1
.
La subsucesin (A
n
k
) satisface entonces
_
_
A
n
k+1
A
n
k
_
_
<
1
2
k
, \/ N.
Ahora, la sucesin (o
n
) denida por
o
|
=
|

I=1

A
ni+1
A
ni

es creciente, y por la desigualdad triangular satisface

|o
n
| _
|

I=1
_
_
A
ni+1
A
ni
_
_
<
|

I=1
1
2
I
< 1.
Si o es el lmite puntual de (o
n
) , aplicando el teorema de convergencia montona se obtiene
1 [o[

= lim1 [o
n
[

_ 1.
S. Cambronero 24
En particular [o[

es nita c.s., y consecuentemente (o

n
) converge c.s. Se sigue que la serie
A
n1
+
o

I=1
_
A
ni+1
A
ni
_
converge absolutamente, y como su suma parcial es precisamente A
n
k
, concluimos que la sucesin
(A
n
k
) converge c.s. Si A es el lmite puntual de (A
n
k
), el lema de Fatou nos permite concluir que
1 [A[

_ liminf 1 [A
n
k
[

_ sup
nN
|A
n
|

< ,
lo ltimo debido a que toda sucesin de Cauchy es acotada (en cualquier espacio mtrico). Se tiene
entonces que A 1

y como [A A
n
k
[

0 c.s.
1 [A A
n
k
[

0,
es decir |A A
n
k
| 0. Esto demuestra entonces que la subsucesin (A
n
k
) converge a A en 1

.
Finalmente, recordemos que toda sucesin de Cauchy que tenga un punto lmite debe converger (en
cualquier espacio mtrico), as que A
n
A en 1

.
1.3.3 Ejercicios
1. Si a, / son positivos y j _ 1, se tiene (a +/)

_ 2
1
(a

+/

) . Sug. La funcin t t

es
convexa en (0, ) . Tambin puede derivar la funcin ,(/) = 2
1
(a

+/

) (a +/)

, para
/ _ a.
2. Demuestre la desigualdad de Markov:
1 [A _ `] _
1
`
|A|
1
,
y deduzca la desigualdad de Chevyshev:
1 [[A[ _ `] _
1
`

|A|

.
3. Use el ejercicio anterior para demostrar que convergencia en 1

implica convergencia en medida.

Bibliography
[1] Breiman, L. Probability. Classics in Applied Mathematics, Siam. 1992
[2] Durret, R. Probability: Theory and examples. Duxbury Press. 4th. ed.
[3] Feller, W. An introduction to Probability Thoery and itsApplications. Wilez, Vol I. 3rd. ed. 1968.
[4] Galambos, J. Advanced Probability Theory. Marcel Dekker, NY 1988.
[5] Halmos, P.R. Measure Theory.
[6] Royden, H.L. Real Analysis. 3rd. ed. Macmillan Pub. Co. New York, 1988.
25